...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Expert Systems with Application >The robust and efficient adaptive normal direction support vector regression
【24h】

The robust and efficient adaptive normal direction support vector regression

机译：鲁棒高效的自适应法线方向支持向量回归

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The recently proposed reduced convex hull support vector regression (RH-SVR) treats support vector regression (SVR) as a classification problem in the dual feature space by introducing an epsilon-tube. In this paper, an efficient and robust adaptive normal direction support vector regression (AND-SVR) is developed by combining the geometric algorithm for support vector machine (SVM) classification. AND-SVR finds a better shift direction for training samples based on the normal direction of output function in the feature space compared with RH-SVR. Numerical examples on several artificial and UCI benchmark datasets with comparisons show that the proposed AND-SVR derives good generalization performance.
机译：最近提出的简化凸壳支持向量回归（RH-SVR）通过引入epsilon-tube将支持向量回归（SVR）视为双特征空间中的分类问题。本文通过结合支持向量机（SVM）分类的几何算法，开发了一种高效且鲁棒的自适应法向方向支持向量回归（AND-SVR）。与RH-SVR相比，AND-SVR基于特征空间中输出函数的法线方向为训练样本找到了更好的移位方向。几个人工和UCI基准数据集上的数值示例与比较结果表明，提出的AND-SVR具有良好的泛化性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号